Intelligenza Artificiale e Risorse Umane: come l’IA sta trasformando l’HR

Le applicazioni dell’Intelligenza Artificiale nel campo delle Risorse Umane sono già molte e continuano ad aumentare rapidamente. L’IA sta rivoluzionando il modo in cui le aziende gestiscono e valorizzano il loro capitale umano; non si tratta più di un semplice trend, ma di una trasformazione profonda.
In questo articolo, forniamo una panoramica sui possibili utilizzi dell’Intelligenza Artificiale nell’ambito delle Risorse Umane, cercando di comprendere le implicazioni e gli effetti che questi sistemi possono avere sulle persone e partendo da un obiettivo importante: riflettere su come l’IA possa essere utilizzata per valorizzare il lavoro e le persone e non per diminuirne l’importanza.

Lo scenario

Una chiara analisi di quali siano le tipologie di soluzioni e piattaforme HR oggi disponibili viene fatta da Josh Bersin – analista americano esperto a livello mondiale di tecnologie per le Risorse Umane e fondatore della Josh Bersin Academy.
Secondo Bersin, nello scenario attuale convivono 3 categorie di soluzioni di IA per l’HR:

1. IA emergente: in questo caso l’Intelligenza Artificiale viene “aggiunta” a piattaforme e software preesistenti senza modificarne l’architettura. Benché queste soluzioni non impieghino tipicamente Reti Neurali o IA generativa, offrono metodi avanzati di analisi e gestione dei dati interni all’organizzazione, permettendo la generazione di report, dashboard e modelli predittivi.
2. Prima generazione: soluzioni che adottano modelli di IA e Machine Learning in grado di apprendere dall’attività dell’utente. Vengono definite di “prima generazione”, in quanto non utilizzano Reti Neurali né fanno ricorso a dati esterni.
3. Seconda generazione: si tratta di soluzioni concepite e progettate sin dall’inizio con l’IA al centro. Esse impiegano tecniche avanzate come Deep Learning, NLP e LLM. I fornitori di queste soluzioni creano piattaforme specificatamente progettate per gestire, analizzare, comprendere e interagire con grandi quantità di dati, integrando anche informazioni esterne all’organizzazione, come dati relativi al lavoro, livelli di retribuzione, certificazioni e altro. Queste soluzioni trattano i dati di ogni azienda come se fossero un sottoinsieme di un panorama più ampio di cui sono a conoscenza. I dati disponibili sono integrati con informazioni sui trend e dati legati al mondo del lavoro e/o ad uno specifico settore rendendo, in questo modo, le piattaforme più intelligenti ed efficaci.

Le aziende specializzate nello sviluppo di software e sistemi HR si stanno orientando, e continueranno a farlo sempre più, verso soluzioni di seconda generazione. Questa tendenza rappresenta un cambio di paradigma, dovuto alla possibilità di utilizzare dati esterni all’organizzazione e modelli di IA più sofisticati, come gli LLM.

Reclutamento e selezione

Il reclutamento è il processo attraverso il quale si cercano candidati per una potenziale assunzione. È il processo che si trova tra la pianificazione del personale e l’effettiva selezione di nuovi dipendenti. Il fine è garantire la disponibilità di un numero di candidati qualificati fra i quali scegliere quando ve ne è la necessità.

La selezione è il processo successivo, attraverso il quale un’organizzazione identifica fra i candidati coloro che possiedono conoscenze, competenze ed altre caratteristiche reputate idonee per ricoprire le posizioni aperte.
È bene specificare che, anche se si tratta di due processi diversi, le soluzioni basate su IA sono simili. Inoltre, si tratta di ambiti delle Risorse Umane che hanno già “conosciuto” l’Intelligenza Artificiale. Ad esempio, dal 2015, per il reclutamento hanno iniziato ad essere utilizzati e diffondersi gli ATS – Applicant Tracking System, software per gestire e automatizzare il processo di assunzione.
Le principali applicazioni dell’IA nell’ambito del reclutamento e della selezione sono:

• screening automatico dei curriculum: per esaminarne velocemente migliaia e identificare i candidati che meglio si adattano ai requisiti della posizione aperta;
• possibilità di effettuare ricerche per parole chiave nei database di CV;
• automazione del processo di candidatura, ad esempio attraverso l’utilizzo di chatbot in grado di interagire con i candidati, rispondere alle domande frequenti e raccogliere informazioni preliminari;
• gestione e programmazione delle interviste ai candidati;
• matching delle competenze: per analizzare e confrontare le competenze e le esperienze dei candidati con i requisiti del lavoro, offrendo un matching preciso;
• diversità ed equità: l’IA può aiutare a identificare e correggere possibili pregiudizi nel processo di selezione, garantendo (in teoria) una maggiore equità.
  In particolare, l’Intelligenza Artificiale fornisce supporto e strumenti al cosiddetto blind recruitment (reclutamento “cieco”, approccio al reclutamento in cui le informazioni personali dei candidati sono nascoste o rimosse dal CV), automatizzando la rimozione dei dati sensibili, oppure garantendo un processo di matching basato solo sulle competenze.
  Tuttavia, è fondamentale riconoscere i limiti dell’Intelligenza Artificiale. L’efficacia delle soluzioni basate su IA dipende dalla qualità dei dati con cui sono addestrate: se allenate su dati pregiudizievoli, possono perpetuare tali pregiudizi. Un esempio ormai storico è l’inchiesta del 2018 di Reuters sul sistema di IA di Amazon per la selezione del personale. Il sistema, basato su Machine Learning, attribuiva un punteggio ai candidati. Avendo appreso da CV prevalentemente maschili inviati ad Amazon nel corso degli anni, il sistema ha manifestato un bias di genere, penalizzando i CV con termini legati al femminile.
• supporto alla scrittura con IA generativa: recentemente, si è registrato un crescente ricorso a strumenti basati su IA generativa, come ChatGPT. Tali strumenti offrono un prezioso aiuto nella redazione di job description efficaci, nella stesura di report in diverse lingue e nell’elaborazione di linee guida per la preparazione alle interviste.

L’Intelligenza Artificiale può notevolmente migliorare l’efficienza e l’efficacia dei processi di reclutamento e selezione. Questo si riflette in alcuni indicatori chiave: la riduzione del costo per ogni assunzione, la velocizzazione dell’intero processo di selezione e il tasso di screening (percentuale di candidati che avanzano oltre la fase preliminare, uno degli indicatori dell’efficacia del processo).
Infine, ricordiamo che non è solo essenziale assicurarsi che i dati e i modelli di IA siano liberi da bias, ma anche garantire un’esperienza positiva per il candidato. Questo significa andare oltre l’efficienza, evitando che i processi siano visti come impersonali, e curare ogni fase della candidate journey per renderla piacevole e coinvolgente.

Formazione

Anche nell’ambito della formazione i possibili utilizzi dell’IA sono moltissimi, tra cui si riportano i principali:

• sistemi di raccomandazione: gli algoritmi di Intelligenza Artificiale, integrati in LMS e altre piattaforme, possono suggerire agli utenti contenuti in base a quelli già fruiti o che potrebbero trovare interessanti, anticipando le loro potenziali preferenze (un po’ come avviene nei social network);
• creazione di assistenti e chatbot formativi: in grado di fornire risposte immediate a domande frequenti, guidare gli studenti attraverso materiali complessi o aiutarli a risolvere problemi specifici, rendendo l’apprendimento più fluido e interattivo.
• creazione di contenuti: l’IA può essere utilizzata anche per creare contenuti formativi. Ad esempio, può elaborare dati e informazioni relative ad un determinato tema e trasformarle in storie, articoli o notizie. Oppure, sulla base dell’analisi di alcuni contenuti, può combinarli estraendone i punti chiave, fornendo una sintesi o suggerire risorse affini. Inoltre, l’IA, può generare quiz e test adattandoli alle performance dell’utente;
• percorsi personalizzati: sulla base dell’analisi dei dati generati dai contenuti precedentemente fruiti (completamento del corso, tempo impiegato, punteggio conseguito) e in relazione agli obiettivi che il soggetto deve raggiungere e alle risorse disponibili, l’IA può proporre dei percorsi personalizzati. Questa possibilità risulta particolarmente efficace se vengono utilizzati contenuti in microlearning;
• automazione dell’amministrazione: sistemi di Intelligenza Artificiale possono essere utilizzati per semplificare la pianificazione dei corsi, la registrazione, l’assegnazione e la tracciabilità della formazione, riducendo l’onere amministrativo per gli addetti alla gestione della formazione;
• integrazione con altri sistemi: l’IA può facilitare l’integrazione dei sistemi di formazione con altre piattaforme aziendali, come i sistemi di gestione delle risorse umane o i sistemi di gestione delle performance.

L’Intelligenza Artificiale consente dunque di sviluppare ecosistemi di apprendimento intelligenti, automatizzando le attività più onerose per HR e responsabili della formazione. Ciò libera tempo prezioso per focalizzarsi su compiti più strategici e di maggiore valore. L’adozione dell’IA nella formazione deve porre al centro l’individuo, mirando a fornire un’esperienza di apprendimento dinamica e costantemente allineata ai bisogni in continua evoluzione.

Gestione delle prestazioni

La gestione della prestazione (o Performance Management) è l’attività attraverso la quale i manager garantiscono che i risultati conseguiti dai dipendenti sono coerenti con gli obiettivi aziendali. Si tratta del processo continuativo di valutazione e ottimizzazione delle prestazioni dei dipendenti.
Nel corso degli ultimi anni, l’ambito della gestione delle prestazioni ha vissuto un importante cambio di paradigma. Dai meccanismi di feedback sporadici, a basso valore aggiunto, si è passati a modelli dinamici studiati per intercettare le nuove esigenze. L’attenzione si è spostata dall’analisi delle performance passate all’ottimizzazione delle performance future, da un approccio valutativo ad un basato sullo sviluppo e crescita professionale.

Questo cambio di paradigma è stato guidato dalla necessità di mantenere ed intensificare l’engagement dei lavoratori. Per questo motivo, il performance management deve essere un processo di valutazione ciclico, in grado di fornire feedback frequenti e regolari, chiarire responsabilità, priorità e aspettative, al fine di raggiungere standard di performance sempre più elevati.
Il contributo attuale e futuro dell’IA nell’ambito della gestione delle prestazioni permette di:

• tenere traccia e analizzare grandi quantità di dati relativi alle prestazioni dei dipendenti, come indicatori chiave di prestazione (KPI), obiettivi individuali, feedback e dati storici. Sfruttando gli algoritmi di apprendimento automatico, l’IA può identificare modelli, tendenze e correlazioni all’interno dei dati per generare informazioni utili per manager e responsabili HR. Ciò consente un processo decisionale più informato evitando di cadere anche nel cosiddetto “bias della recenza” per cui il giudizio che viene dato è sbilanciato sugli eventi più recenti;
• fornire feedback frequenti. I sistemi di gestione delle prestazioni basati sull’IA possono essere dotati di assistenti o funzioni che permettono di fornire un feedback immediato sulle prestazioni, evidenziando le aree di miglioramento o riconoscimento. Ciò aiuta i dipendenti a rimanere aggiornati e a intervenire tempestivamente portando a un miglioramento continuo delle proprie prestazioni.

Così come per gli ambiti di reclutamento, selezione e formazione, anche nella gestione delle prestazioni l’IA permette di creare piani di sviluppo personalizzati, rilevare e mitigare i pregiudizi, effettuare analisi predittive e automatizzare e semplificare le attività di routine.
Nell’ambito del performance management è necessario però prestare attenzione ad alcuni aspetti e a possibili limiti legati all’applicazione dell’IA, in particolare:

• sebbene gli algoritmi possano automatizzare la gestione delle prestazioni, la presenza umana rimane fondamentale. Oltre ai feedback automatici è necessario prevedere momenti di interazione e scambio verbali e/o di persona;
• è importante fare attenzione ai dati che si utilizzano poiché è necessario creare set di dati omogenei – ad esempio persone con lo stesso livello di esperienza – e non si possono utilizzare i dati di altri dipendenti per valutare un singolo individuo.
• L’utilizzo di sistemi di IA per il performance management può influenzare e avere ripercussioni su altri aspetti legati alla gestione delle Risorse Umane come la definizione dei piani di carriera e il sistema di retribuzione.

Tra opportunità e sfida

I professionisti delle Risorse Umane si trovano di fronte a un duplice scenario: uno di opportunità, grazie alle nuove tecnologie che rendono i processi più efficienti; e uno di sfida, consistente nel decifrare gli impatti dell’Intelligenza Artificiale sulla forza lavoro.
Si tratta di un compito non semplice, data la rapida evoluzione e diffusione di soluzioni basate su IA. Ad esempio, uno studio recente dell’università del North Carolina sottolinea un rischio maggiore per le donne, rispetto agli uomini, di perdere il proprio lavoro a causa dell’IA, sebbene in futuro ci possa essere un riequilibrio grazie alla nascita di nuove professioni.
La giornalista Rana Foroohar, commentando tale studio, afferma: “Nel prossimo futuro, le persone con elevata intelligenza emotiva, adattabilità e prontezza nella riqualificazione saranno al vertice del panorama lavorativo, indipendentemente dal genere”. Pertanto, chi opera nel campo delle Risorse Umane dovrebbe incentivare lo sviluppo di soft skills e intelligenza emotiva, per far sì che le persone possano trarre il massimo dell’evoluzione tecnologica in corso.

Continua ad approfondire, leggi altri articoli del blog Skilla!